Zi 字媒體

針對此次烏鎮圍棋峰會首場人機大戰由AlphaGo 2.0取下首勝，Google開源學習框架TensorFlow項目負責人Rajat Monga在受訪時表示，AlphaGo運作系統背後由TensorFlow學習框架作為許多底層運算支撐，並且讓AlphaGo系統運算效率更加流暢。 根據Rajat Monga說明，AlphaGo整體運作流暢表現源自採開源架構設計的TensorFlow學習框架，並且成為AlphaGo底層諸多技術基礎，而如何讓AlphaGo變得更會下棋則是DeepMind團隊主要負責工作。因此整體來看，TensorFlow學習框架成為此次AlphaGo 2.0思考時間變得更短的主要關鍵。 從過去推行的TensorFlow 1.0開始，Google此項開源架構設計的學習框架已經累積眾多應用，除了Google自行打造的TPU強化此項學習框架加速應用，就連NVIDIA採Volta顯示架構的Tesla V100加速卡也在硬體設計導入Tensor核心，藉此提昇人工智慧學習加速效果，甚至在對應自駕車使用的學習系統也針對TensorFlow學習框架優化。 目前TensorFlow學習框架已經對應Python、C++、Java、R、Haskell、Go等常見程式語言，因此更容易銜接各項應用服務，分別由Airbnb、Uber、Twitter、Intel、Qualcomm、小米、京東、百度等廠商用於旗下服務與產品設計，並且能對應自然語音識別、電腦視覺或數據分析等使用需求，甚至在今年Google I/O 2017期間更針對裝置端運算應用提出簡化版TensorFlow Lite，讓App應用內容也能進行深度學習，藉此讓端點運算更具效率。 而就Google立場，目前仍維持將TensorFlow以開源架構提供使用，並不會特別針對廠商需求優化，但仍可針對不同使用情況協助客製化。 你也許會想看以下內容： Google針對機器學習打造TPU客製化處理器 烏鎮圍棋峰會人機大戰 AlphaGo 2.0取下首勝 … 分享此文： 分享到 Twitter(在新視窗中開啟) 按一下以分享至 Facebook(在新視窗中開啟) 點這裡列印(在新視窗中開啟) 點這裡寄給朋友(在新視窗中開啟) 請按讚： 喜歡 載入中...